論文の概要: Physiological Signals as a Forensic Modality for Talking-Face Deepfake Detection

• arxiv url: http://arxiv.org/abs/2607.21776v1
• Date: Thu, 23 Jul 2026 19:47:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 20:58:56.978049
• Title: Physiological Signals as a Forensic Modality for Talking-Face Deepfake Detection
• Title（参考訳）: 音声ディープフェイク検出のための法医学的モダリティとしての生理的信号
• Abstract要約: ディープスワップ生成(TF)は、静止音源画像とauフェイク信号からフォトレアロスティックな顔映像を合成し、現在の画像ベースの検出器が常に識別できない偽造物を生成する。 本稿では、RhythmFormerを介してビデオ単位のr波を抽出し、実信号の識別のために軽量な分類器群を訓練する検出フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Talking-face (TF) deepfake generation synthesizes photore- alistic facial video from a static source image and an au- dio signal, producing forgeries that current image-based detectors consistently fail to identify. Unlike face-swap ma- nipulation, TF synthesis has no underlying real video from which to inherit physiological characteristics, making re- mote photoplethysmography (rPPG) a uniquely motivated detection modality for this forgery category. We propose a detection framework that extracts per-video rPPG wave- forms via RhythmFormer and trains a suite of lightweight classifiers to distinguish real from synthesized physiologi- cal signals. Evaluated on the TF subset of Celeb-DF++ un- der a strict subject-independent protocol, where test identi- ties are completely separated from training identities, our 1D ResNet achieves an AUC of 0.806 and EER of 27.8%, placing it within 2.4 points of the best published general- purpose detector (Effort, ICML 2025) while operating ex- clusively on the physiological channel. We document a con- trolled reproduction study of DeepFakesON-Phys, the rep- resentative prior rPPG detector, demonstrating degrada- tion from AUC 0.999 on legacy face-swap data to 0.622 on the TF subset of Celeb-DF++. We further show that detec- tion difficulty is strongly method-dependent: AUC ranges from 0.985 (Real3DPortrait) to 0.690 (IP-LAP) across the seven TF generators, with the ranking remaining perfectly stable across all evaluation protocols. This spread reflects an interpretable physiological property of each generator rather than evaluation noise, and constitutes the primary theoretical contribution of the work.
• Abstract（参考訳）: トークフェイス(TF)ディープフェイク生成は、静止音源画像とオーディオ信号からフォトレアロスティックな顔映像を合成し、現在の画像ベースの検出器が常に識別できない偽造物を生成する。 フェース・スワップのma-Nipulationとは異なり、TF合成は生理的特徴を継承する基盤となる実際のビデオを持たない。 本稿では、RhythmFormerを介してビデオ毎のrPPG波形を抽出し、合成された物理ロジカル信号とリアルを区別する軽量な分類器群を訓練する検出フレームワークを提案する。 Celeb-DF++ un- der a strict subject-independent protocol, where test identi-ties are completely separated from training identities, our 1D ResNet achieves a AUC of 0.806 and EER of 27.8%, placed it into 2.4 points of the best published general- purpose detector (Effort, ICML 2025) while ex-clusively on thephysiological channel。 Celeb-DF++のTFサブセットでは,AUC 0.999から0.622に分解反応を示す。 AUC は 0.985 (Real3DPortrait) から 0.690 (IP-LAP) まで 7 つの TF ジェネレータにまたがっており, 評価プロトコルのランクは 完全に安定している。 この拡散は、評価ノイズよりも、各発電機の解釈可能な生理特性を反映し、研究の主要な理論的貢献を構成する。

関連論文リスト

• Beyond Ambiguous Visual Cues: Studying Physiological Disruptions and Cross-Modal Inconsistencies in Deepfake Videos [7.77578121448493]
  現在の検出器は顔の特徴と生理学の相互関係を解明しておらず、しばしば後期融合やrの特徴のみに依存している。 本稿では, パルスダイナミクスと顔の動きの相互依存性を捉え, 頑健な連接性表現を学習する双方向コアテンション融合検出器を提案する。
  論文  参考訳（メタデータ） (2026-09-11T10:12:48Z)
• Label-Free Parkinson's Disease Screening from Face and Voice through Mechanistic Interpretability [4.241413288920499]
  パーキンソン病(英: Parkinson's disease、PD)は、神経変性疾患の2番目に多い疾患である。 そこで本研究では,凍結事前学習エンコーダをベースとした無ラベル顔+音声PDスクリーンを提案する。 合成劣化型CAA検出器は、合成疾患方向と実際の疾患方向のコサイン類似度が0を超えると機能することを示す。
  論文  参考訳（メタデータ） (2026-08-10T00:43:57Z)
• Adversarial Deepfake Generation and an Investigation of Purification-Based Adversarial Detection [9.42962723864652]
  本稿では,ImageCLEF 2026 Deepfake Detection and Generation Taskにおけるチーム"Go To Germany"の参加について述べる。 画像生成タスクでは、識別保存顔合成にFLUX.1-devとPuLIDを用いる。 画像検出タスクでは、AI生成画像のSigLIP+DINOv2と顔操作のGenD-DINOv3の2つの補完検出器を組み合わせる。
  論文  参考訳（メタデータ） (2026-07-28T15:19:16Z)
• Template Collapse and Information-Theoretic Limits in Camera rPPG Pulse Morphology Restoration [0.0]
  コンシューマー・フェイスカメラ リモート・フォトプレティス幻覚(r)は、受動的心血管モニタリングを可能にする。 しかし、動脈硬化度をコードする単一サイクル波形形態が、この測定から回復可能であるか否かは明らかになっていない。 16のエンコーダアーキテクチャを3つのデータセットで評価した。
  論文  参考訳（メタデータ） (2026-06-02T15:50:07Z)
• Compact Latent Manifold Translation: A Parameter-Efficient Foundation Model for Cross-Modal and Cross-Frequency Physiological Signal Synthesis [4.672369796753925]
  既存の基礎モデルは、しばしば重度のモダリティの絡み合いに苦しむ連続潜在空間に依存している。 本稿では,これらのギャップを埋める高パラメータ効率(0.09B)統一フレームワークであるコンパクト潜時翻訳(CLMT)を提案する。 計算フットプリントのごく一部で生物学的信号の普遍的な離散言語を学習することにより、我々はエッジ展開可能な多要素医療基盤モデルのための新しい軌道を定めている。
  論文  参考訳（メタデータ） (2026-05-13T09:31:36Z)
• Physiology as Language: Translating Respiration to Sleep EEG [43.02603129452492]
  本稿では,呼吸信号から睡眠脳波(EEG)を合成するクロス生理学的翻訳タスクを紹介する。 離散トークン化により脳波の標的空間を制約しながら、微細な呼吸動態を保ちながら波形条件生成フレームワークを提案する。 脳波スペクトログラム再構成では,28,000人以上の被験者を対象に,平均絶対誤差を7%以上達成している。
  論文  参考訳（メタデータ） (2026-01-31T05:44:45Z)
• EMPalm: Exfiltrating Palm Biometric Data via Electromagnetic Side-Channels [54.460942487872416]
  EMエミッションは、手のひら生体情報を漏れさせる。 EMPalmは、盗聴されたEM信号からパームプリントとパームベインの画像の両方を隠蔽的に回収する攻撃フレームワークである。
  論文  参考訳（メタデータ） (2025-10-08T20:50:19Z)
• AudioFuse: Unified Spectral-Temporal Learning via a Hybrid ViT-1D CNN Architecture for Robust Phonocardiogram Classification [0.0]
  そこで我々は,PCGを分類するために,相補的表現から学習するアーキテクチャであるAudioFuseを提案する。 PhysioNet 2016データセットでは、AudioFuseがゼロからトレーニングすると、最先端の競争力を持つROC-AUCの0.8608を達成する。
  論文  参考訳（メタデータ） (2025-09-27T18:52:50Z)
• PanoDiff-SR: Synthesizing Dental Panoramic Radiographs using Diffusion and Super-resolution [60.970656010712275]
  PanoDiff と Super-Resolution (SR) を組み合わせて合成歯科用パノラマ線写真(PR)を作製する手法を提案する。 前者は、SRモデルで処理されたPRの低分解能(LR)シードを生成し、1024×512の高分解能(HR)PRを生成する。 SRでは,局所的・言語的関係を学習し,よりシャープなエッジやテクスチャをもたらす最先端のトランスフォーマーを提案する。
  論文  参考訳（メタデータ） (2025-07-12T09:52:10Z)
• HistoART: Histopathology Artifact Detection and Reporting Tool [37.31105955164019]
  ワイルスライドイメージング(WSI)は、組織標本の詳細な高分解能検査のために広く用いられている。 WSIは、スライドの準備とスキャンの間に導入されたアーティファクトに弱いままです。 本稿では,WSIに対する3つのロバストなアーティファクト検出手法を提案し,比較する。
  論文  参考訳（メタデータ） (2025-06-23T17:22:19Z)
• Facial Kinship Verification from remote photoplethysmography [8.212664345436092]
  Kinship Verification (FKV) は、2人の被験者が人間の顔に基づいて親族関係を持つかどうかを自動的に判定することを目的としている。 従来のFKVは、スプーフ攻撃に脆弱であり、プライバシーの問題を引き起こすため、課題に直面している。 本稿では,FKVを生体信号で探索し,リモート光合成反射に着目した。
  論文  参考訳（メタデータ） (2023-09-14T19:33:11Z)
• Benchmarking Joint Face Spoofing and Forgery Detection with Visual and Physiological Cues [81.15465149555864]
  視覚的外観と生理的rcuesを用いた第1回関節スプーフィングおよび検出ベンチマークを作成した。 r周期性判別を強化するために,顔の強信号マップと連続ウェーブレットを入力として変換した2分岐生理ネットワークを設計した。
  論文  参考訳（メタデータ） (2022-08-10T15:41:48Z)
• Identifying Rhythmic Patterns for Face Forgery Detection and Categorization [46.21354355137544]
  本研究では, PPG信号に対する空間時間フィルタリングネットワーク (STFNet) と, PPG信号の制約と相互作用のための空間時間インタラクションネットワーク (STINet) からなる顔偽造検出と分類のためのフレームワークを提案する。 フォージェリーメソッドの生成に関する知見を得て,フレームワークの性能を高めるために,イントラソースとイントラソースのブレンディングを提案する。
  論文  参考訳（メタデータ） (2022-07-04T04:57:06Z)
• Video-based Remote Physiological Measurement via Cross-verified Feature Disentangling [121.50704279659253]
  非生理的表現と生理的特徴を混同するための横断的特徴分離戦略を提案する。 次に, 蒸留された生理特性を用いて, 頑健なマルチタスク生理測定を行った。 歪んだ特徴は、最終的に平均HR値やr信号のような複数の生理的信号の合同予測に使用される。
  論文  参考訳（メタデータ） (2020-07-16T09:39:17Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。